What is the data-defined length for short time from diagnosis to death that is associated with a low rate of palliative care enrolment for persons with colorectal cancer?
Notice bibliographique
Résumé
OBJECTIVE: Prior research has demonstrated that people who die shortly after receiving a cancer diagnosis are at increased risk for not being referred to palliative care. No previous studies have empirically derived the length of time between diagnosis and death associated with increased risk. The objective of this study was to identify the length of time between diagnosis and death associated with increased risk for non-enrolment in a palliative care programme. METHODS: Binary recursive partitioning was employed to derive the cut-point for the number of days from colorectal cancer diagnosis to death predictive of a high risk for non-enrolment in a palliative care programme in two health districts in Nova Scotia, Canada. The study included all adults (≥20 years) who were diagnosed with colorectal cancer in the two districts between 1 January 2001 and 31 December 2005 and who died between 1 January 2001 and 31 December 2008 (n=894). RESULTS: Individuals who died within 18.5 days following diagnosis were at highest risk for non-enrolment in palliative care. Of the 60 adults who died in <18.5 days, 16.7% were enrolled in a palliative care programme; of the 835 adults who died ≥18.5 days after diagnosis, 65.9% were enrolled. CONCLUSIONS: This data-driven approach may be used to define the short diagnosis-to-death time frame at which individuals are at increased risk for non-enrolment in palliative care programmes. This approach allows researchers to further investigate and compare empirically-derived cut-points that identify those who die quickly and are at risk of not receiving palliative care.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».